With the scientific and technological progress, especially the rapid and remarkable development in data science and its analysis, it has become necessary for the data analyst to have sufficient experience to make him the focus of attention of companies that pursue data analysis in the course of their affairs, but this expertise does not come between day and night, but data scientists spend a long time and make a double effort They take advantage of the smallest opportunities to obtain information to reach the degree of data analyst or data engineer
Analysis is the process of finding the most appropriate way to solve problems and process data
So we must touch on some ways to improve your data analysis skills:
Evaluate your skills:
Some numbers and results may deceive you after you carry out a marketing campaign. You will think that the conversion rate is 50%, for example, but you will be shocked later that the number of potential customers is small, so this percentage does not mean that the goal was achieved at the required rate.
The process depends on changing the ratios of the numerator and denominator in the percentage according to what is commensurate with the reality of the situation. For example, when the goal is real, the numerator can be increased, and if it is not intended, the denominator can be reduced.
Measuring growth rate and expectations:
Rely on a graphic line that measures the growth rate and determines the validity of expectations. With the passage of time, increasing the steady growth rate becomes difficult, as determining a percentage value that embodies performance measurement can lose the actual value of the work.
The rule is 80/20
The basic principle of this rule depends on focusing on a large value that represents 80% of the results and dealing with it in a manner that secures the development of performance and control of its course with complete flexibility, and this rule can be relied upon as a start to reduce the budget spent for this project
Enter the MECE system into your accounts
It is a systematic system for addressing problems with the aim of reducing galactic calculations that consume a lot of time and effort
3 areas of MECE can be identified:
* Problem tree:
The benefit of this process lies in its fragmentation of thorny and complex problems, thus facilitating their solution more easily, and to simplify this concept more, it can be said that it depends on analyzing user behavior according to certain classifications (age, profession, gender…)
* decision tree:
It relies on refuting decisions and potential outcomes and detailing them in the form of a graphical chart that facilitates the identification of the relative negatives and positives of each decision, to estimate the commercial value of the new plans, and then prioritizes and arranges them.
* probability tree:
It differs from the problem tree in that it coordinates the hypotheses more deeply and gives direct results compared to the problem tree
Cohorts represent quality value:
Cohorts are the groups that share certain features with each other, such as the start date, for example. They act as accurate analyzes by monitoring their persistence in using your applications and websites.
Avoid making false statements:
This is done before starting any process to verify the quality of data sets by monitoring and coordinating the statistics related to the data to exclude outliers and dealing with sound data. You can confirm the final results by comparing the resulting values with a similar analysis.
مجموعة نصائح لتحسين مهاراتك في تحليل البيانات
مع التقدم العلمي والتكنولوجي ولاسيما التطور المتسارع والملحوظ في علم البيانات وتحليلاتها أصبح من الضروري أن يمتلك محلل البيانات خبرة كافية تجعله محط أنظار الشركات التي تنتهج تحليل البيانات في تسير أمورها، ولكن هذه الخبرة لا تأتي بين يوم وليلة بل يمضي علماء البيانات أوقاتاً طويلة ويبذلون مجهوداً مضاعفاً ويستغلون أصغر الفرص للحصول على المعلومة للوصول إلى درجة محلل البيانات أو مهندس بيانات
فالتحليل هو عملية العثور على الطريقة الأنسب لحل المشكلات ومعالجة البيانات
لذا لابد من أن نتطرق إلى بعض الطرق التي تحسن مهاراتك في تحليل البيانات
: قيّم مهاراتك
قد تخدعك بعض الأرقام والنتائج بعد قيامك بحملة تسويقية ما، ستعتقد بأن نسبة التحويل مثلاً 50 % ولكنك ستنصدم لاحقاً بأن عدد العملاء المحتملين قليل لذا فتلك النسبة لا تعني أن الغاية تحققت بالمعدل المطلوب
فالعملية تعتمد على تغيير نسب البسط والمقام في النسبة المئوية وفق ما يتناسب مع واقع الحال فعلى سبيل المثال عندما يكون الهدف حقيقياً يمكن زيادة البسط وإذا كان غير مقصود يمكن تقليل المقام
: قياس معدل النمو والتوقعات
اعتمد على خط بياني يقيس معدل نمو ويحدد صحة التوقعات، فمع مرور الزمن يصبح زيادة معدل النمو الثابت أمراً صعباً إذا أن تحديد قيمة مئوية تجسد قياس الأداء يمكن أن يضيع القيمة الفعلية للعمل
القاعدة 20/80
يعتمد المبدأ الأساسي لهذه القاعدة على التركيز على قيمة كبيرة تمثل 80 % من النتائج والتعامل معها بما يؤمن تطوير الأداء والتحكم بمجرياته بمرونة تامة، ويمكن الاعتماد على هذه القاعدة كبداية لخفض الميزانية المبذولة لهذا المشروع
MECE أدخِل في حساباتك منظومة
وهي منظومة منهجية لمعالجة المشكلات بهدف تقليل الحسابات المجرات والتي تستهلك الكثير من الوقت والجهد
: MECE ويمكن التعرف على 3 مجالات لـ
:شجرة المشكلات *
تكمن الفائدة من هذه العملية في تجزيئها للمشكلات الشائكة والمعقدة فيسهل بذلك حلها بسهولة أكبر، ولتبسيط هذا المفهوم أكثر يمكن القول بأنها تعتمد على تحليل سلوكيات المستخدم وفق تصنيفات معينة (العمر، المهنة، الجنس …)
:شجرة القرار *
تعتمد على تفنيد القراراتوالنتائج المحتملة وتفصيلهاعلى شكل مخطط رسومي يسهل تحديد السلبيات والإيجابيات النسبية لكل قرار، لتقدير القيمة التجارية للخطط الجديدة ومن ثم يتم تحديد الأولويات وترتيبها
:شجرة الاحتمالات *
تختلف عن شجرة المشكلات في كونها تقوم تنسيق الفرضيات بشكل أعمق وتعطي نتائج مباشرة قياساً إلى شجرة المشكلات
: المجموعات النموذجية تمثل قيمة الجودة
المجموعات النموذجية هي المجموعات التي تشترك مع بعضها بمزايا معينة كتاريخ البدء مثلاً فهُم بمثابة تحليلات دقيقة من خلال مراقبة ثباتهم على استخدام تطبيقاتك ومواقعك الإلكترونية
: تجنب الوقوع في البيانات الخاطئة
ويتم ذلك قبل البدء بأي عملية للتحقق من جودة مجموعات البيانات عن طريق مراقبة الإحصائيات المتعلقة بالبيانات وتنسيقها لاستبعاد القيم المتطرفة والتعامل مع البيانات السليمة ويمكنك التأكد من النتائج النهائية عن طريق مقارنة القيم الناتجة مع تحليل مماثل
Data World 